CTF 沙箱编排器
io.github.zhaoxuya520/reverse-skill/ctf-sandbox-orchestrator
CTF、漏洞利用、逆向、DFIR、pwnable、密码、隐写、移动端、AI agent、云、容器、Active Directory、Windows 主机与身份类题目的默认入口和总编排工作流。当用户给出的题目基础设施、二进制、提示、主机或身份应默认按沙箱内部处理,且 Codex 需要选择、路由并加载合适的下游分析路径、给出简明证据时,先使用本技能。
“Prompt Engineering” 共 409 个结果
io.github.zhaoxuya520/reverse-skill/ctf-sandbox-orchestrator
CTF、漏洞利用、逆向、DFIR、pwnable、密码、隐写、移动端、AI agent、云、容器、Active Directory、Windows 主机与身份类题目的默认入口和总编排工作流。当用户给出的题目基础设施、二进制、提示、主机或身份应默认按沙箱内部处理,且 Codex 需要选择、路由并加载合适的下游分析路径、给出简明证据时,先使用本技能。
io.github.zhaoxuya520/reverse-skill/mobile-reverse
用于获授权的 Android/iOS 应用逆向与安全测试:APK/IPA 分析、运行时插桩、SSL pinning、平台防护检查。
io.github.github/awesome-copilot/sql-code-review
通用 SQL 代码审查助手,对所有 SQL 数据库(MySQL、PostgreSQL、SQL Server、Oracle)进行全面的安全性、可维护性与代码质量分析。聚焦 SQL 注入防护、访问控制、代码规范与反模式检测。与 SQL 优化提示互补,覆盖完整开发环节。
io.github.mukul975/Anthropic-Cybersecurity-Skills/modeling-threats-with-opencti
通过 Docker Compose 部署 OpenCTI(Filigran),并用 pycti Python 客户端把威胁行为者、入侵集合、行动活动与指标建模为带关系(uses、attributed-to、targets)的 STIX 2.1 知识图谱。适用于构建集中式威胁情报知识库、把多源 feed 的 IOC 关联成同一张对手图谱,或为检测工程产出 STIX bundle。
io.github.nexu-io/open-design/wireframe-annotated
带标注/红线的低保真线框图——桌面落地页/营销页以扁平灰盒画在浏览器边框内,叠加单一主色的编号标注针(①②③④⑤),并配右侧规格面板逐条列出每个编号针的简短工程/UX 说明。这是「线框 + 红线规格」风格——干净、扁平、低保真、非手绘。当需求提到「annotated wireframe」「redline wireframe」「wireframe with spec」「lo-fi landing wireframe」「low fidelity」「线框图」「标注线框」或「redline」时使用。
io.github.affaan-m/ECC/mle-workflow
面向数据契约、可复现训练、模型评估、部署、监控与回滚的生产级机器学习工程工作流。适用于构建、审查或强化一次性笔记本之外的 ML 系统。
io.github.BuilderIO/agent-native/design-generation
在 Design 中生成或完善完整的交互式 HTML 原型。用于从提示词或选定设计出发,创建界面、变体、Alpine/Tailwind 原型、微调或视觉打磨。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。
io.github.paperclipai/paperclip/release
Coordinate a full Paperclip release across engineering verification, npm, GitHub, smoke testing, and announcement follow-up. Use when leadership asks to ship a release, not merely to discuss versioning.
io.github.compozy/compozy/writing-tech-post
端到端完成工程博客写作:发布深度解读、故障复盘、架构迁移、性能案例、教程、AI/agent 系统记录、安全披露,以及从研究到产品的转化文章。选对文章原型、规划抽象阶梯、遵循证据节奏(图示、基准测试、profile、trace、代码、消融实验),按 Datadog、Vercel、GitHub、AWS、Meta、Cloudflare、Jane Street 等发布方的行文风格校准语气,并在发布前用叙事推进与披露伦理两道门禁检查。在起草新的工程文章、重构成色平淡的初稿、判断某种证据该放在何处、校验技术深度与产品背景是否均衡,或为对外发布准备故障复盘、迁移、性能叙述时使用。不用于 API 参考文档、README、营销文案、release notes、泛 SEO 内容、代笔高管观点文章,以及非工程类长文。
io.github.aiskillstore/marketplace/backend-atomic-commit
面向 Django/Optimo 风格仓库的严格后端预提交与原子提交技能。强制本地 AGENTS.md / CLAUDE.md、pre-commit 钩子、.security/* 辅助工具以及 Monty 的后端工程品味——提交信息中不带 AI 签名。
io.github.vercel/next.js/insight-error-page
为 Next.js dev overlay 撰写或审查 insight 类型的错误页。在新建 errors/<slug>.mdx 页面、审查现有页面或检查其与 framework 修复卡片是否一致时使用。涵盖页面结构、标题对齐、带 Copy prompt 按钮的 FixCard、代码片段、与正式文档的术语一致性,以及 Vercel 技术写作风格。
io.github.davila7/claude-code-templates/owasp-security
覆盖六大标准的 OWASP 对齐安全指南合集——Web 应用 Top 10(2021)、ASVS 5.0、移动端 MASVS v2.1.0、API 安全 Top 10(2023)、Kubernetes Top 10(2022),以及面向 AI/LLM 的 Agentic Applications 2026 版。用于安全评审、漏洞审计、安全认证/加密/访问控制的实现、Kubernetes 清单加固,以及 LLM/智能体提示注入防护;也包括间接提问,例如这个登录流程安全吗、审查这个接口、审计我的 pod spec。
io.github.aiskillstore/marketplace/backend-ralph-plan
为后端 Django 项目创建集成 Ralph Wiggum Loop 的结构化计划目录。生成 PLAN.md(任务索引)、任务文件与 RALPH-PROMPT.md(供 ralph-loop 使用的实际提示词)。用于需要质量闸门与验证的严谨迭代式实现。
io.github.telagod/code-abyss/backend
从更强模型蒸馏的后端工程判断经验——在选择技术栈、语言、数据库、队列或架构时调用;在设计服务、API、业务逻辑或 schema 时;在让系统达到生产可用(可观测性、故障处理、安全)时;或评审服务端代码、判断代码库健康度时。包含场景化技术栈取舍、逻辑设计规则、数据纪律、生产底线,以及“腐烂目录”(代码不可维护的早期征兆)。
io.github.affaan-m/ECC/clickhouse-io
ClickHouse 数据库模式、查询优化、分析与数据工程最佳实践,适用于高性能分析型工作负载。
io.github.affaan-m/ECC/clickhouse-io
ClickHouse 数据库模式、查询优化、分析与数据工程最佳实践,适用于高性能分析型工作负载。
io.github.nexu-io/open-design/review-animations
依据 Emil Kowalski 设计工程理念形成的高标准审查动画与 motion 代码。默认从严标记问题,通过需靠实力赢得。
io.github.thinkwork-ai/thinkwork/automation-loop-designer
通过访谈从提示词设计 ThinkWork Automation:目标、Space、触发器、验证、评审设置、停止保护与隐私边界,随后输出可审阅的 AutomationDraft。
vv2
io.github.jxxghp/MoviePilot/database-operation
当需要检查、查询、维护或谨慎修改 MoviePilot 数据库时使用本技能。本技能使用随包提供的 scripts/mp-db.py 助手,它会自行读取 MoviePilot 本地设置,绝不需要在 agent 提示中提供数据库密码或完整 PostgreSQL DSN。适用场景包括数据统计、计数、聚合、检查或修复记录、清理请求,以及诸如“有多少下载”“显示站点统计”“删除旧记录”“这个订阅为什么卡住”之类的问题。
io.github.sickn33/antigravity-awesome-skills/codex-fable5
将 Fable 式纪律应用于 Codex 工作:先检查、跟踪目标与发现、以证据支撑结论、完成前验证,并借鉴 Claude/Fable 的提示规范,不做身份或供应商声明。